共查询到17条相似文献,搜索用时 109 毫秒
1.
2.
为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析;通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性;同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度。 相似文献
3.
针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。 相似文献
4.
5.
6.
7.
为满足大量程低温漂的MEMS加速度计性能需求,研制了一款宽量程MEMS组合加速度计,并完成了量程、线性度、交叉耦合、分辨率性能参数的测试.针对加速度计在高低温工作环境中的零漂过大的问题,分析了影响因素,设计了一种零位温度补偿算法给出解决方案.实验结果表明:零位温度补偿算法实现了加速度计在-45~+85℃温度范围内零点漂... 相似文献
8.
9.
10.
利用Allan方差法对国外一款MEMS陀螺仪进行误差分析,通过长时间静态数据分析,对陀螺误差系数进行标定,验证了Allan方差法用于陀螺误差分析的可行性。 相似文献
11.
针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均 ARMA(Auto-Regressive and Moving Average)模型,采用ARMA(2,1)模型将预处理后的MEMS陀螺随机误差进行建模.设计基于ARMA模型的经典Kalman滤波器.静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级.针对经典Kalman滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题.振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%. 相似文献
12.
13.
针对MEMS(Microelectro Mechanical Systems)陀螺具有成本低、体积小但误差较大的问题,探讨MEMS陀螺的误差补偿方法。基于AR模型方法,采集MEMS陀螺原始信号,对原始信号进行预处理,利用预处理后的数据建立陀螺的AR(Auto Regressive)模型,辨识出模型参数。利用该模型对陀螺信号进行误差补偿,计算出陀螺的较精确值。通过对某MEMS陀螺误差补偿的静态和动态试验表明,提出的方法能够有效地减小误差,提高陀螺的测量精度。 相似文献
14.
15.
针对Micro-electro-mechanical system (MEMS)振动陀螺仪加工制造过程中产生的几何结构中心与质量块重心不重叠导致严重陀螺漂移和噪声的问题, 在考虑陀螺自身非线性、控制输入非线性和外部干扰的情况下, 提出一种基于超稳理论的非线性控制策略对MEMS陀螺仪进行零点校正. 该方法在MEMS 陀螺仪非线性模型中引入一Hurwitz矩阵对模型进行变换以满足系统的严格正实要求, 利用向量范数的性质得到合适的控制律以满足Popov不等式, 从而保证了闭环控制系统的全局渐近稳定性. 仿真结果显示, 提出的非线性控制策略可以使系统状态迅速收敛到零, 并且对系统参数摄动表现出较强的鲁棒性. 相似文献
16.
设计了一种面向皮卫星应用的MEMS陀螺温度控制系统,其控制原理为基于ADN8831的TEC温度控制。分析了影响温控系统控制精度的各因素,并且通过Steinhart-Hart方程对热敏电阻的R-T特性进行拟合校准后表明,本温控系统的精度达到±0.03℃。将设计的温控系统应用于面向皮卫星的MEMS陀螺温度控制,通过Allan方差分析MEMS陀螺的误差项。通过不同温度下实验得出,当该温控系统存在时,零偏不稳定性和速率随机游走得到了不同程度的改善,验证了温控系统的有效性,满足了皮卫星体积小、功耗低的要求。 相似文献
17.
针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度. 相似文献